+关注

128

188

244

手机看

微信扫一扫，随时随地看

科学家警告：十年内“镜像生命”或许威胁人类！AI发现全新“人工生命”！（文字版）

Linvo说宇宙

2025-01-21 10:45发布于天津科普领域创作者

+关注

AI划重点 · 全文约2940字，阅读需9分钟

1.科学家警告称，在十年内，可能创造出与现有生命手性完全相反的镜像生命，对地球生命构成威胁。

2.目前，科学家已经可以制造出镜像DNA和镜像酶等镜像大分子，但构建完整的镜像生命形态仍面临挑战。

3.《科学》杂志上发表的研究报告显示，镜像细菌可能无法被现有免疫系统识别，导致生物体死亡。

4.为此，科学家们建议在未来十年内加强监管，防止意外创造出危险的镜像生命形式。

5.同时，研究团队强调在探索创新和风险防范之间找到平衡，确保技术走在光明的道路上。

以上内容由腾讯混元大模型生成，仅供参考

00:00

倍速

3.0X

2.0X

1.5X

1.25X

1.0X

0.75X

0.5X

语言

多音轨

静音播放中，点击恢复音量

你可以刷新试试

视频信息

1.33.6

播放信息上传日志

视频ID

VID

播放流水

Flowid

播放内核

Kernel

显示器信息

Res

帧数

缓冲健康度

网络活动

net

视频分辨率

编码

Codec

mystery

按住画面移动小窗

- 文字版 -

你知道吗，人类正在尝试创造一种与已有的生命手性完全相反的生命，科学家警告：这种生命一旦出现，可能会对地球上现有的生命带来致命威胁，包括人类。

你可能会问：“啥是手性”？所谓手性，就像我们的双手，不管你怎么旋转和平移，它俩都不能变成相同的样子。它是化学和生物学里的一个重要概念，主要用来描述结构的方向性。

目前地球上已知的所有的生命都是同手性的，也就是组成它们的生物大分子几乎都有着相同的手性结构。比如说组成DNA和RNA的核苷酸，它们全都是右手性的，而组成蛋白质的氨基酸，则全部都是左手性的。至于为什么，这个问题至今仍是个未解之谜。不少科学家认为，它可能和地球本身的环境有关，因为之前我们从小行星采集回的样品中就发现了和地球左手性氨基酸镜像相反的右手性氨基酸。

对于这种镜像大分子，科学家们自然十分好奇，他们设想：如果有一天，我们能创造出由镜像生物分子组成的生命，那会是什么样？

虽然现阶段创造一个完整的镜像生物技术上还不成熟，但是构建出这些镜像生物的大分子，这个事目前已经可以实现。比如在某种程度上，我们已经可以制造出“镜像DNA”以及功能齐全的“镜像酶”等等。虽然现在合成镜像生物分子的成本非常高，而且构建像核糖体这种复杂的结构仍然十分困难，但是科学家预计，未来十年内，通过这些构建生命的基础材料，我们有望搭建出完整的镜像生命形态。当然，初期只是一些简单的微生物，比如镜像细菌。

面对这一想法，有科学家表示出了担忧：这种未曾出现过的生命形式，会不会对地球上已有的生命存在威胁呢？

2024年12月，《科学》杂志上发表了一篇文章，40位相关领域的知名科学家共同提出了人造镜像生命可能存在的相关风险，同时他们还撰写了一份将近300页的技术报告。

这些科学家认为，由于手性完全相反，这些镜像细菌的镜像蛋白没法被现有的免疫系统识别，所以它们对于正常生物体内的免疫细胞来说犹如隐形人，无法让机体产生有效的抗体。同理，原本的噬菌体可能也因此不再捕获它们，现有的抗生素也将完全失效。这样一来，镜像细菌就可以在生物体内放肆繁殖，最终导致生物体死亡。而且不仅仅是动物，包括植物在内所有的地球生物可能都会因此灭绝。这些镜像细菌就像入侵物种一样，没有天敌的制约，慢慢就会取代本地物种。也许若干亿年后，地球原本的生物圈将不复存在，取而代之的是由镜像生命演化出的镜像生物。

为了避免类似的事情发生，科学家们必须提前做好防御措施。比如可以通过基因工程，提前在这些镜像细菌体内设置“陷阱”，让它们只能依赖自然界中不存在的分子来生长。需要它生长的时候就给它“喂食”，不需要的话就不给，这样一来，就算它们不小心逃出了实验室也无法生存。

然而，这些措施并不能确保万无一失。暂且不论人为因素，所谓“生命总会自己找到出路”，目前发现有些普通细菌，即便是在没有特定手性营养物的情况下也能茁长成长。所以，镜像细菌可能也具备同样的能力。

虽然镜像生命可能带来种种风险，但我们也不能因噎废食，像《三体》里禁止研发光速飞船那样，完全停止所有相关研究。毕竟，研究镜像生命在科学和医学领域有着巨大的潜在应用价值。因此研究团队建议，在没有足够证据证明镜像生命是安全的之前，我们必须谨慎行事。比如禁止单纯以创造镜像细菌为目标的研究，同时要加强监管，防止有人不小心或者故意创造出危险的镜像生命形式，而这就需要全球的科学家、政府，包括企业、社会组织等共同参与并制定合适的管理措施。

科学本就是把双刃剑，就像原子弹和核电站，事情对错不在于核能本身，研究镜像生命也是一样。我们既不能忽视这里面存在的巨大风险，也不能放弃探索它的应用前景。我们必须在探索创新和风险防范之间找到平衡，这样才能确保该技术始终走在光明的道路上。

说到人工创造镜像生命，现如今在人工生命这条路上，除了人类自己，AI也在突飞猛进。

上个月（2024年12月），预印本网站arxiv上的一篇论文提到了个有意思的事。来自日本AI独角兽公司Sakana AI，联合麻省理工、OpenAI以及瑞士AI实验室（IDSIA）等机构，它们共同提出了一种算法，叫“自动搜索人工生命（Automated Search for Artificial Life, ASAL）”。通过这个算法，研究人员甚至真发现了一些从未见过的生命形式。难道说，现在的AI已经强到可以扮演“上帝”了？

去年的诺贝尔奖大家应该还有印象，不管是物理学奖还是化学奖，全都颁给了AI相关的研究。放眼望去，现在的AI确实已经渗透到了各个行业。相较于大部分传统行业，AI在生命科学领域的作用往往更具深层价值。可能也是因为生命这个东西确实比较独特，人类在这方面的深层次探索目前一直举步维艰。

早年间，为了更好地研究自然生命的出现和进化，科学家想到利用计算机来模拟生命过程，这被称为“人工生命（ALife）”。早年的人工生命比较简单，大多是建立一套规则，然后模拟我们熟悉的一些生命行为，最后总结出一套模型。但是这种方式存在很大弊端。首先，它太过依赖人类的直觉和经验；其次，生命这个东西太复杂了，仅凭对规则的简单排列组合就想得到理想的结果，只能说很难。

所以呢，在这篇论文里，研究团队进行了逆向思维：为啥我们不先建立一套基础模型，然后基于这套基础模型用AI反向帮我们去寻找答案，就像生命的自然演化一样，说不定还会出现一些意想不到的结果。这就和用基础模型来预测蛋白质结构类似，他们称该方法为“使用基础模型自动搜索人工生命”。

了解大语言模型的应该知道，今天的那些对话非常像人的AI，它们本质上其实是一种基于文字的概率计算。也就是基于当前的场景，这个字说出去后它的下个字应该是哪个。AI的那种所谓的“意识”，其实是一种海量数据下的涌现现象，就是大量小实体组合起来后表现出了原本实体没有的特性。从这点来说，自然界的生命和意识没准也是一种涌现。所以呢，研究团队依靠如今的视觉语言基础模型构建出了一套算法，希望仅通过最基础的“基质（substrate）”来涌现出各种生命形态，从而帮助我们探索生命的本源。

这套算法具体提供了三种不同的探索方式。

第一种被称为“监督目标搜索（Supervised Target）”。简单来说，就是直接告诉计算机我们想要看到什么样的生命现象（是“一个病毒”还是“一块真菌菌落”），然后计算机就会在模拟世界中寻找能够产生这种现象的规则。这种和传统的人工生命有点像，属于复现特定的生命现象，目的是为了寻找能够产生特定目标行为的模式。

而第二种“开放式搜索（Open-Endedness）”那就厉害了，它对传统人工生命来说是一次重大挑战。因为它要寻找的是那些能够不断产生新事物的模式，就像我们的真实世界一样，始终存在各种变化。这种开放式搜索可以帮我们在不断出现的新事物中寻找意料之外的惊喜。

最后一种被称为“照明式搜索（Illumination）”。这种模式的目标是全面展示一个模拟世界中可能出现的所有不同现象，就像拿着一盏大灯，让我们看清整个“世界”的全貌。如果开放式搜索是纵向搜索，那照明式搜索就相当于是横向搜索。

在这种模式下，研究人员在一种“连续空间生命游戏（Lenia）”的基质中发现了许多从未见过的类似细胞和细菌的生命形态；而在另一种“模拟鸟群行为（Boids）”的基质中，他们还发现一些生命具有除传统群体行为外的多种新行为。这些发现不仅让我们对人工生命产生了新的认识，同时也证明了“自动搜索人工生命”这种方法确实是有效的。

需要注意的是，这项研究的意义不在于发现了一些模拟出来的新的生命形式，它更多的意义在于它首次将基础模型引入人工生命领域，把模拟搜索的过程进行了自动化。在AI的帮助下，科学家可以更高效地探索“生命的可能性空间”，甚至可能发现一些地球上从来没有的生命形式。想象一下，如果未来我们创造了这样一个模拟世界，它从简单的 “原始汤中的细胞” 开始，逐渐发展出一个充满智慧生命的 “文明”，那该有多么的amazing！

[1] Katarzyna P. Adamala et al. Confronting risks of mirror life. Science386,1351-1353(2024).

[2] K. P. Adamala et al. Science Policy Forum Article: Confronting risks of mirror life. Science. (2024).

[3] Akarsh Kumar, Chris Lu. et al. Automating the Search for Artificial Life with Foundation Models. arXiv preprint arXiv:2412.17799. (2024).

- END -

↓ 提问交流 ↓

免责声明：本内容来自腾讯平台创作者，不代表腾讯新闻或腾讯网的观点和立场。